PROTOTIPO DE SISTEMA
EXPERTO PARA EL DIAGNÓSTICO
DE LA PYME ENFOCADO AL ÁREA
FUNCIONAL DE INVESTIGACIÓN Y
DESARROLLO
MELIDA ADYANEC CALDERÓN AGUIRRE
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
FACULTAD DE INGENIERÍA
INGENIERÍA INDUSTRIAL
BOGOTÁ
PROTOTIPO DE SISTEMA
EXPERTO PARA EL DIAGNÓSTICO
DE LA PYME ENFOCADO AL ÁREA
FUNCIONAL DE INVESTIGACIÓN Y
DESARROLLO
Trabajo Final de Investigación para la obtención de título de Ingeniera Industrial
MELIDA ADYANEC CALDERÓN AGUIRRE
Dirigido por:
Ph.D GERMÁN ANDRÉS MENDEZ
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
FACULTAD DE INGENIERÍA
INGENIERÍA INDUSTRIAL
BOGOTÁ
Contenido
1. GENERALIDADES ... 1
1.1 Proyecto “Sistema experto para el diagnóstico de las PYMES” ... 1
1.2 Definición o planteamiento del problema ... 2
Justificación ... 2
Antecedentes ... 3
1.3 Pregunta de investigación ... 5
Objetivos ... 6
1.4 Metodología empleada ... 7
2. MARCO TEÓRICO Y CONCEPTUAL ... 8
2.1 Sistemas de diagnóstico ... 8
2.2 Sistemas expertos ... 9
Inteligencia artificial ... 9
Definición de Sistema Experto ... 9
Historia de los Sistemas Expertos ... 10
Desarrollo de un Sistema Experto ... 11
Características de un Sistema Experto ... 13
Componentes de un Sistema Experto ... 13
Aplicaciones de los Sistemas Expertos ... 14
Sistemas basados en reglas ... 15
2.3 Problemática ... 18
3. DESARROLLO DEL SISTEMA EXPERTO PARA EL ÁREA FUNCIONAL DE I+D ... 19
3.1 Definición de problemas ... 19
Causas ... 20
Síntomas ... 20
Signos ... 21
Tratamiento ... 21
3.2 Diseño de cuestionarios ... 22
Preguntas ... 22
Variables y/o parámetros ... 23
3.3 Diseño de reglas ... 25
Las condiciones de estado ... 26
Relación de estado con enfermedades, variables y/o parámetros... 26
Diagrama del Sistema Experto utilizando la representación de árbol ... 27
Definir las reglas: Antecedentes, Conectores y Consecuencias ... 28
3.4 Diseño del motor de inferencia ... 30
Estructuras lógicas de encadenamiento ... 31
Mecanismos de selección y evaluación... 31
Mecanismos de explicación ... 31
4. PROTOTIPO DEL S. E. DEL ÁREA FUNCIONAL DE I+D ... 33
4.1 Explicación de la herramienta de prototipo (Excel) ... 33
4.2 Pruebas de corrida ... 35
4.3 Verificación de casos extremos ... 41
Primer caso ... 41
Segundo caso... 43
5. CONCLUSIONES ... 49
5.1 Contrastación y evaluación de objetivos ... 50
6. LIMITACIONES E INVESTIGACIONES FUTURAS ... 50
REFERENCIAS ... 53
Listado de ilustraciones
Ilustración 1 Actividades de la Primera Fase ... 1
Ilustración 2 Actividades de la Segunda Fase ... 2
Ilustración 3 Metodología empleada ... 8
Ilustración 4 Etapas en el desarrollo de un Sistema Experto Fuente: Castillo, E; Gutiérrez, J; Hadi, A. (1998). ... 12
Ilustración 5 Regla de inferencia Modus Ponens Fuente: Castillo, E; Gutiérrez, J; Hadi, A. (1998) .. 16
Ilustración 6 Regla Modus Tollens Fuente: Castillo, E; Gutiérrez, J; Hadi, A. (1998). ... 17
Ilustración 7 Diagrama causa-efecto ... 20
Ilustración 8 Diagrama de árbol "Limitaciones financieras para I+D"... 28
Ilustración 9 Explicación por causa ... 32
Ilustración 10 Diagnóstico final, causas y tratamiento. ... 33
Listado de tablas
Tabla 1 Definición de la enfermedad limitaciones financieras para I+D. ... 22
Tabla 2 Definición de las preguntas para los síntomas de las limitaciones financieras para I+D. .... 23
Tabla 3 Información de la enfermedad limitaciones financieras para I+D. ... 25
Tabla 4 Puntuación de la clasificación de las causas ... 26
Tabla 5 Intervalo de la criticidad de las enfermedades ... 26
Tabla 6 Variables y parámetros asociados al área funcional de I+D ... 27
Tabla 7 Definición de reglas ... 28
Tabla 8 Respuestas aleatorias primera corrida ... 36
Tabla 9 Diagnóstico final primera corrida ... 37 Tabla 10 Respuestas predeterminadas primer caso extremo criticidad "No sufre" . ¡Error! Marcador no definido.
Tabla 11 Diagnóstico final primer caso extremo criticidad "No sufre" ¡Error! Marcador no definido. Tabla 12 Respuestas predeterminadas segundo caso extremo criticidad "Alta" ¡Error! Marcador no definido.
1
1.
GENERALIDADES
1.1
Proyecto “Sistema experto para el diagnóstico de las PYMES”
El presente trabajo investigativo es la primera fase del proyecto de investigación liderado por el Ph.D Germán Andrés Méndez Giraldo con el acompañamiento de estudiantes de pregrado de la Universidad Distrital, avalado y aprobado (18/02/2015) por el CIDC (Centro de Investigaciones y Desarrollo Científico de la Universidad Distrital), el cual consta de dos fases principales: elaboración de la base de conocimiento y construcción del sistema experto.Primera fase: Elaboración de la base de conocimiento
Para llevar a cabo esta fase, cuyo objetivo principal es adquirir, organizar y disponer el conocimiento pertinente para la construcción del Sistema Experto, se realizarán los siguientes pasos (ver en la ¡Error! No se encuentra el origen de la referencia.).
1. Revisión del estado del arte: En esta etapa consiste en recopilar la información existente en materia del diagnóstico de la MiPyMe. Inicia con la revisión de todo lo desarrollado al interior del Grupo SES y que se sintetiza en el libro “Diseño de Prototipo Diagnóstico para la PyME” y en otros documentos generados al interior del grupo. Adicionalmente se recopilará información proveniente de los artículos científicos y libros especializados en cada una de las áreas seleccionada.
2. Detección de la problemática: En esta actividad se pretende establecer las principales situaciones problemáticas por la que atraviesa la MiPyMe así como los síntomas que se puedan evidenciar como causa que genera estas dificultades, analizando la contribución estadística de estas causas para establecer su verosimilitud. Con esto se pretende realizar un diseño preliminar de los diagnósticos específicos tanto de cada área como a nivel general.
Ilustración 1 Actividades de la Primera Fase
2
4. Diseño de Reglas: En esta fase se finaliza la elaboración del sistema de inferencia y la producción de las reglas de conocimiento, se deben traducir a los diferentes enunciados de los problemas y sus correspondientes diagnósticos, haciendo uso de matemática booleana y su posterior traducción en otros modelos de representación previos a la construcción del aplicativo computacional.
Segunda fase: Construcción del sistema experto
Esta fase está conformada por los siguientes pasos, ver ¡Error! No se encuentra el origen de la eferencia.:
1. Elección de la herramienta de desarrollo: una vez los requerimientos del Sistema Experto están sólidamente establecidos, se debe seleccionar una herramienta que cumpla dichos requerimientos.
2. Desarrollo del Sistema: el conocimiento contenido en las especificaciones del Sistema Experto se introduce en la herramienta seleccionada. Esto a su vez requiere la implementación de la base de conocimiento.
3. Validación del Sistema: El principal objetivo es validar su estructura general y su conocimiento. El experto aprueba o desaprueba el sistema. Esta etapa debe ser desarrollada de forma iterativa cumpliendo el ciclo implementación-mejora tantas veces como sea necesario para obtener la satisfacción del experto.
4. Presentación del Sistema al experto: una vez el desarrollo ha concluido, los resultados finales son presentados al experto para su evaluación y aprobación definitiva.
Ilustración 2 Actividades de la Segunda Fase
1.2
Definición o planteamiento del problema
Justificación
3
Es así como, se espera que este proyecto permita implementar un nuevo punto de vista para el análisis y diagnóstico de las PYMES, así como una base para soportar y mejorar los niveles de productividad y competitividad en organizaciones productivas, constituyendo un nuevo enfoque para la administración y la toma de decisiones empresariales. Por ello es importante diseñar y desarrollar un modelo integral de diagnóstico de las PYMES, que facilite la toma de decisiones y posterior mejora del área de Investigación y Desarrollo (I+D) de la empresa. Este sistema de diagnóstico permitirá implementar un proceso de aprendizaje organizacional, es decir, que la empresa de manera continua y sistemática, se embarque en un proceso para obtener el máximo provecho de sus experiencias aprendiendo de ellas, específicamente enfocadas al área funcional I+D, sirviendo de insumo para que se de capacitación específica a las PYMES en temas coyunturales, de manera que se mitiguen los problemas definidos en el diagnósticos realizado de manera sistemática con el resultado de esta investigación.
Antecedentes
La proporción de PYMES existentes en diferentes países evidencia su gran importancia a nivel mundial, por ejemplo en Argentina corresponden a un 99.86%, en Brasil al 99.40%, en Chile al 99.29%, en México al 99.76% y para Colombia representan un 99.92% del total de empresas y aportan el 80.87% de los empleos generados en el país (Rodríguez, 2006). Tal y como lo afirma João Carlos Ferraz en su informe para la CEPAL y Fundes (Dini, Stumpo y Vergara, 2005), las pequeñas y medianas unidades productivas son indiscutiblemente un segmento relevante de la realidad empresarial de la región y su aporte a la generación de empleo y valor agregado es un hecho hoy ampliamente reconocido, sin embargo pese a su amplio potencial las PYMES afrontan múltiples problemas que obstaculizan su desarrollo, entre estas se destacan la escasez de recursos, la dificultad para acceder a financiamiento, la insuficiencia de políticas y marcos reguladores, las debilidades de carácter funcional, la asimetría de información, los desafíos de la globalización, plazos de entrega y ciclos de vida del producto más cortos, entre muchas otras que requieren de su análisis y caracterización como primer paso hacia el incremento de su competitividad y desarrollo (Pinto, 1990) (Ministerio de Desarrollo Económico y Social, Universidad Nacional de Colombia, Bonilla González, Umaña Mendoza, & Zerda Sarmiento, 1998) (Jadoul, Kagohashi, Llisterri, & Nakaruma, 2000) (Masood, Weston, & Rahimifard, 2013), adicionalmente la falta de experiencia profesional y de apoyo técnico hace que sea difícil tomar decisiones para la implementación de nuevas técnicas o procesos (Oduoza & Xiong, 2009).
Por tanto se hace evidente la necesidad de implementar herramientas de apoyo para fomentar el desarrollo integral de las PYMES en Colombia, una de estas es el Diagnóstico Empresarial, de gran utilidad a fin de conocer la situación actual de una organización y los problemas que impiden su crecimiento, sobrevivencia o desarrollo. Para ello, existe una gran diversidad de metodologías y tipologías (Braidot, Formento y Nicolini, 2003) (Instituto para el Desarrollo de la Innovación y la Tecnología en la Pequeña y Mediana Empresa, 2010) que permiten realizar estudios diagnósticos en empresas, y cada una de ellas se enfoca en algún aspecto empresarial particular.
4
recomendaciones de mejora particulares. Por ejemplo, en la Gran Encuesta PYME realizada en 2014, se realizó el análisis de las diferentes medidas positivas y negativas de las empresas, a fin de establecer un indicador de su situación, información que a pesar de ser útil a nivel general, no permite a cada PYME identificar sus fortalezas o debilidades, ni qué aspectos deben mejorar para elevar sus niveles de productividad y competitividad. De allí que se requieran análisis más adecuados de las situaciones empresariales y el desarrollo de herramientas que permitan la gestión de su conocimiento (Rodríguez Sánchez, Alcoba González, & Hernández Sellés, 2014) (Martínez Martínez, López de Alba, & García Garnica, 2009).
Los Sistemas Expertos pueden ser derivados de experiencia o por el conocimiento disponible en libros, revistas o personas capacitadas. Para su desarrollo es importante notar cómo se combinan estos papeles del operador dentro de un solo individuo, tal como es el caso de un experto en la ingeniería del conocimiento (Méndez y Álvarez, 2003). En general, los autores concuerdan en que los sistemas expertos han presentado ventajas en su implementación pero también algunas dificultades que los han limitado (Hayes-Roth, Waterman y Lenat, 1983) (Leonard-Barton & Sviokla, 1988) (Gaines, 1988) (Badiru, 1992) y (Durkin, 1994). Dentro de las principales ventajas de los sistemas expertos en el diagnóstico de las pequeñas y medianas empresas se tienen: Mayor disponibilidad de los expertos; costo reducido en el diagnóstico; permanencia del experto; experiencia múltiple; mayor confiabilidad debido a las características propias de validación; explicación de los diagnósticos y propuestas de mejora, respuesta rápida, sólida, completa y sin emociones; y finalmente, tutoría inteligente para acompañar las posibles correcciones (Méndez et. al., 2013).
Como se mencionó anteriormente las PYMES representan un papel fundamental en el desarrollo de cada país es por ello que deben recurrir a medios o estrategias que permitan un crecimiento rápido, ahorro de los costos, faciliten los estudios en la gestión de los productos (Solaymani, Sohaili, & Yazdinejad, 2012) (Kurczewski, 2013) y demás aspectos involucrados en la toma de decisiones de la empresa.
Las empresas innovadoras resaltan en los mercados ya que son más flexibles, se adaptan a los cambios en el entorno y responden más rápido y mejor a las necesidades cambiantes de la sociedad, con el fin de obtener ventajas competitivas sostenibles en el tiempo y de esta forma promover el crecimiento económico, es por ello que el éxito creciente y sostenido de la empresa estará siempre en función de su capacidad para identificar y aprovechar adecuadamente las oportunidades del momento (Gálvez Albarracín & De Lema, 2012) (González-Campo & Hurtado Ayala, 2014) (Leal-Rodríguez, Eldridge, Roldán, Leal-Millán, & Ortega-Gutiérrez, 2015). Sin embargo, un problema generalizado entre las PYMEs es su escasa capacidad para ofrecer productos o servicios diferenciados e innovadores debido en parte, al bajo grado de complejidad tecnológica que poseen y la falta de estrategias que integren un análisis de los factores de tipo interno y externo (Mendoza León & Valenzuela Valenzuela, 2014).
5
“I+D”, ya que estos generan altos y crecientes gastos (Llorente Galera, 2012) y las PYMES se enfrentan a diferentes dificultades generalizadas, como lo son las limitaciones financieras, la falta de personal especializado y apoyo técnico, (Oduoza & Xiong, 2009)(Esteve-Pérez & Rodríguez, 2013)(Barbosa & Ayala, 2014), infraestructuras insuficientes y una falta de preparación de los directivos (Jurado & Calabuig, 2001), entre otra gran variedad de circunstancias que se pueden presentar en las empresas según su ambiente político, económico y/o cultural.
Como respuesta a estas problemáticas diferentes estudios como los realizados por (Correa Espinal, Gómez Montoya, & Cano Arenas, 2010) enfocan la importancia de las TIC como medio para agilizar, flexibilizar y mejorar el intercambio de información; otros por el contrario resaltan el aprendizaje en los diferentes territorios, es decir, aquellos capaces de adaptarse a las transformaciones de la estructura productiva mundial, con base en el conocimiento y su aplicación al sector (Lira, 2005); también es posible encontrar estudios que resaltan la colaboración y cooperación con agentes externos, por ejemplo, con base en la inversión extranjera es posible mitigar las limitaciones económicas presentes en las PYMES (Kuo & Li, 2003).
1.3
Pregunta de investigación
En muchos países los esfuerzos y los recursos destinados al desarrollo productivo se orientan principalmente hacia la dinamización del segmento de pequeñas y medianas empresas con el fin de poder aprovechar sus potencialidades, sin embargo, a pesar de la importancia de estas empresas y de las políticas dirigidas hacia ellas, siguen siendo bastantes pocos los casos en los cuales se intenta definir con precisión cuales han sido los resultados alcanzados con los programas de apoyo y cuál es su grado de eficacia y eficiencia.
Las evaluaciones de impacto aún no han sido incorporadas como parte fundamental del diseño e implementación de las actividades de fomento. Esto crea la necesidad, para que las empresas accedan a la financiación, de construir metodologías de evaluación donde el riesgo sea menor en la colocación de pasivos, y por otro lado, para que las PYMES encuentren diagnósticos que les permitan adecuar sus estructuras coadyuvando a una gestión más acorde a las posibilidades, expectativas, conocimientos y recursos económicos de la pequeña y mediana empresa colombiana.
Con la apertura económica y la internacionalización de la economía, la situación del funcionamiento en los negocios empieza a modificarse. Ahora se vive en un mundo cambiante, las reglas de mercado ya no son las mimas y así mismo las condiciones económicas fluctúan. Debido al creciente número de industrias calificadas como PYMES en el contexto latinoamericano, se hace de vital importancia que tengan un desarrollo sostenible para el bienestar no solo del mercado sino también del país; se hace necesario para dichas empresas aumentar su capacidad utilizando diversas estrategias de calidad, finanzas, mercados, producción, recursos humanos o tecnología.
6
las organizaciones pueden llegar a garantizar su supervivencia o su destrucción. En este orden de ideas cada vez se hace más importante que exista una alianza universidad-empresa debido a la capacidad investigativa que puede ofrecer la academia al mercado, esto sujeto a la agilidad y compromiso que se tenga para brindar soluciones acordes a la realidad del mercado.
Surge entonces la necesidad de elaborar un diagnóstico general de los sectores productivos como condición inicial para obtener un mayor impacto en la implementación de las soluciones y hacer realmente una alianza universidad-empresa contextualizada en las realidades de los negocios. El papel del ingeniero industrial está asociado a este proyecto debido a que es la persona idónea para determinar el estado de las empresas en cuanto a organización y empleo de recursos en sus procesos. Es la persona ideal para encontrar falencias en las operaciones, en la gestión de la información y de recurso humano, manejo de materia prima e insumos, transporte, planeación, distribución de planta y en general toda actividad que esté involucrada con la empresa, con el fin de encontrar el mejor método para hacer más productiva la organización.
Este proyecto pondrá especial atención a la búsqueda de respuestas a ciertos interrogantes entre los que se destacan los siguientes:
¿El Sistema Experto como prototipo concebido y diseñado por la Universidad, para el diagnóstico de las condiciones reales de las Pequeñas y Medianas empresas colombianas, permitirá facilitar la evaluación para el apoyo tecnológico y de conocimiento por parte de las entidades que actúan en el mercado?
¿El prototipo de sistemas de diagnóstico, ofrecido por la Universidad, es una alternativa adecuada y suficiente para la correcta medición de las condiciones internas de la PYME en el área de investigación y desarrollo, que permite detectar los requerimientos de conocimientos, adecuaciones en las tecnologías blandas y duras requeridas por esas unidades económicas?
¿La estructura del prototipo es adecuada para el lenguaje manejado por la PYME?
¿Se puede integrar el diagnóstico con sistemas de solución y seguimiento?
Objetivos
El objetivo principal del proyecto de investigación es diseñar un prototipo de modelo integral de diagnóstico para el área de Investigación y Desarrollo (I+D) en las pequeñas y medianas empresas (PYMES), basado en sistemas expertos, combinando adecuadamente modelos de procesamiento de conocimiento, para obtener un modelo que facilite la toma de decisiones en la resolución de la problemática en cuestión.
Objetivos específicos:
Adquirir el conocimiento de expertos de manera indirecta para construir la base de conocimiento.
Plantear las principales dificultades por las que atraviesa la PYME en el área de I+D.
7
1.4
Metodología empleada
El proceso de investigación utilizó tres enfoques metodológicos durante su desarrollo. El primero es el enfoque exploratorio, que es empleado para la recolección de información y conocimiento; el segundo es el enfoque descriptivo, que permite identificar relaciones entre la información recolectada; y por último, el enfoque explicativo, que establece relaciones de multi-causalidad para la construcción del modelo teórico núcleo de la investigación.
Este proyecto está basado en la metodología desarrollada en el grupo de investigación SES (Sistemas Expertos y Simulación) de la Universidad Distrital Francisco José de Caldas. Esta metodología inicia con la identificación de los principales factores y que supone el reconocimiento de los aspectos más relevantes del problema, la caracterización de los participantes (expertos del dominio, ingenieros del conocimiento y futuros usuarios), y del problema (tipo, actividades, terminología a utilizar, aspectos fundamentales, etc.), los recursos disponibles (fuentes de conocimiento, facilidades computacionales, tiempo de desarrollo, financiación, etc.) y, por último, las metas a alcanzar (formalizar conocimiento experto, distribuir experiencia, ayudar a la formación de nuevos expertos, etc.).
El proceso investigativo contó con las fases:
1. Conceptualización, se relaciona con la organización del conocimiento de acuerdo a un esquema conceptual y la estipulación del flujo de información durante el proceso de resolución del problema; por medio de la revisión del estado del arte se pretende recopilar la información existente en materia del diagnóstico de la PYME, para posteriormente realizar la detección de la problemática por la que atraviesa así como los síntomas causantes de estas dificultades.
2. Formalización, consiste en interpretar y explicar los conceptos, sub-problemas y particularidades del flujo de información, detectados en la conceptualización como representaciones formales fundamentadas en herramientas o esquemas de la ingeniería del conocimiento.
8
Ilustración 3 Metodología empleada
2.
MARCO TEÓRICO Y CONCEPTUAL
2.1
Sistemas de diagnóstico
El termino diagnosticar hace referencia a las diferentes actividades que son realizadas para poder reconocer cuál es la situación actual de un sistema y cuáles son sus principales impedimentos para lograr alcanzar los objetivos propuestos. El procedimiento de diagnóstico tiene como objetivo general contribuir a la integración de las decisiones locales en torno a objetivos estratégicos, y mejorar el desempeño de un sistema en una forma planeada y organizada para hacerlo más estable, eficaz, eficiente, de mejor valor, efectivo y competitivo (Hernández Torres & Acevedo Suarez, 2006).
Un diagnóstico empresarial posibilita conocer los problemas que se presentan en una empresa, los recursos y las capacidades que existen en ella, y las causas que originan dichos problemas; definir probables alternativas para resolverlos y aprovechar los recursos existentes, así como diseñar un plan de trabajo a seguir y los cambios a generarse; la importancia del diagnóstico radica en que un análisis detenido de los problemas, los recursos y las capacidades de la empresa, es una primera aproximación para conocer las necesidades de capacitación existentes y cómo satisfacerlas (Lay, Suarez, & Zamora, 2005). En muchos casos este tipo de diagnósticos se dejan bajo la supervisión de expertos en el tema, como consultorías o profesionales ajenos a la empresa a evaluar, sin embargo, también existe un alto porcentaje de responsables de sus propios negocios que optan por tomar esta responsabilidad.
9
para poder generar cambios oportunos en las empresas y poder responder rápidamente a los cambios del mercado.
2.2
Sistemas expertos
Inteligencia artificial
El termino Inteligencia Artificial (IA) fue acuñado desde la década de 1950, aunque los fundamentos en los cuales se basa se remontan a los griegos. Fue Aristóteles una de las primeras personas en plantear un conjunto de reglas que simulaban una parte del funcionamiento de la mente para así poder obtener conclusiones racionales; a lo largo de la historia se han dado numerosas aproximaciones a la IA, sin embargo, fue hasta el año 1950 que Alan Turing introdujo a la comunidad científica la pregunta “¿Pueden pensar las máquinas?”.
El término inteligencia artificial se refiere a la capacidad de emular las funciones inteligentes del cerebro humano, el empleo de la IA es variada y actualmente se utiliza principalmente en áreas de informática y la robótica, no obstante, se está extendiendo tanto en las ciencias sociales como ciencias empresariales (Badaró, Ibañez, & Agüero, 2013). En ese sentido los sistemas Expertos pueden ser considerados como un subconjunto de la IA.
Definición de Sistema Experto
Los Sistemas Expertos, como parte o rama de la Inteligencia Artificial, son sistemas informáticos basados en conocimientos de un experto humano que simulan el proceso de aprendizaje, de memorización, de razonamiento y de comunicación, para poder generar ayudas en el análisis de problemas y la toma de decisiones. Sus características permiten almacenar datos y conocimiento, sacar conclusiones lógicas, explicar el porqué de las decisiones tomadas y brindar soluciones o alternativas como consecuencia de todo lo anterior, este tipo de tecnologías hará posible el desarrollo de respuestas rápidas y pragmáticas para muchas problemáticas (Harmon & King, 1988).
Edward Feigenbaum lo define como un programa de computación inteligente que usa el conocimiento y los procedimientos de inferencia para resolver problemas que son lo suficientemente difíciles como para requerir significativamente experiencia humana para su solución (Feigenbaum, 1977).
Cecilio Salmerón resalta que un sistema experto se puede entender como un sistema informático que incorpora, en forma explícita, extensible y modificable, el conocimiento exacto o impreciso que posee una persona o un grupo de expertos en un tema, y utilizar ese conocimiento para producir, mediante un proceso general de razonamiento independiente del tema, soluciones semejantes a las que proporcionaría el grupo de expertos (Salmerón, 1988); adicionalmente este tipo de sistemas es posible mejorarlo con adiciones a la base de conocimientos o al conjunto de reglas, proporcionando información actualizada para desarrollar un análisis oportuno.
10
expertos humanos, con una base de conocimiento adquirido y dejando de lado la subjetividad que puede generarse por las personas, lo cual brinda conclusiones más acertadas para la mejora de los procesos o sistemas analizados.
Por lo anterior, el Sistema Experto muestra ciertas ventajas en comparación con un experto humano, algunos ejemplos son:
Mayor disponibilidad.
Costo reducido.
Peligro reducido.
Permanencia.
Experiencia múltiple.
Mayor confiabilidad.
Explicación.
Respuesta rápida, sólida, completa y sin emociones.
Tutoría inteligente.
Sin embargo el sistema experto presenta algunas desventajas, es evidente que para actualizar se necesita de reprogramación de estos (tal vez este sea una de sus limitaciones más acentuadas), además que estos programas son poco flexibles a cambios y de difícil acceso a información no estructurada; carecen de sentido común, para un SE no hay nada obvio, además no podemos mantener una conversación informal con estos sistemas. Para un sistema experto es muy complicado de aprender de sus errores y de errores ajenos. No son capaces de distinguir cuales son las cuestiones relevantes de un problema y separarlas de cuestiones secundarias.
Por otra parte, la inteligencia artificial no ha podido desarrollar sistemas que sean capaces de resolver problemas de manera general o de aplicar el sentido común para resolver situaciones complejas ni de controlar situaciones ambiguas.(Badaró, Javier Ibañez, & Agüero, 2013)
Historia de los Sistemas Expertos
Los sistemas expertos tuvieron su primer desarrollo hacia la década de 1960, Una primera aproximación fue el “General Purpose Problem Solver” (GPS) o “Solucionador de problemas de propósito general”; por medio del GPS se introdujo la posibilidad de definir los pasos necesarios para cambiar un estado inicial dado a una meta deseada, sin embargo, las expectativas puestas en GPS no se cumplieron. (Badaró et al., 2013)
No fue sino hasta el desarrollo de DENDRAL que se estableció los fundamentos principales de un SE, dentro de las conclusiones arrojadas por este desarrollo se encuentran:
La complejidad de los problemas requiere una cantidad considerable de conocimiento sobre el área del problema.
Los solucionadores de problemas generales eran muy débiles para ser utilizados como base para construir SE de alto rendimiento.
11
Los SE necesitan ser actualizados constantemente con nueva información.
Los siguientes Sistemas Expertos fueron claves para el desarrollo adecuado y significativo del campo:
DENDRAL: Primer Sistema Experto en ser utilizado para propósitos reales, al margen de la investigación computacional y durante aproximadamente 10 años, el sistema tuvo cierto éxito entre químicos y biólogos ya que facilitaba enormemente la inferencia de estructuras moleculares, dominio en el que Dendral estaba especializado (Turban, 1995).
MYCIN: Es un Sistema Experto para la realización de diagnósticos, iniciado por Ed. Feigenbaum y posteriormente desarrollado por E. Shortliffe. Su función es la de aconsejar a los médicos en la investigación y determinación de diagnósticos en el campo de las enfermedades infecciosas de la sangre (Nebendahl, 1991).
CADUCEUS: Fue un Sistema Experto médico programado para realizar diagnósticos en medicina interna, fue completado a mediados de la década de 1980, si bien el inicio de su desarrollo se remonta a la década de 1970, siendo programado por Harry Pople, de la Universidad de Pittsburgh, y tomando como punto de partida una serie de entrevistas de Pople al Dr. Jack Meyers. Pretendía mejorar el MYCIN, sistema focalizado sobre las bacterias infecciosas de la sangre (Nebendahl, 1991).
XCON: El programa R1 (luego llamado XCON, por Configurador Experto) era un sistema de producción basado en reglas escrito en OPS5 por John P. McDermott de CMU (1978) con el propósito de asistir a los pedidos de los sistemas de computadores VAX de DEC (Digital Equipment Corporation) seleccionando los componentes del sistema de acuerdo a los requerimientos del cliente. El desarrollo de XCON siguió a dos fracasos de escribir un Sistema Experto para esta tarea en FORTRAN y BASIC (Nebendahl, 1991).
Desarrollo de un Sistema Experto
El desarrollo de sistemas expertos es un proceso costoso y complejo que requiere una metodología para poder alcanzar los objetivos fijados. Las diferentes metodologías comparten tres fases principales(Curiel Robles, 2013):
Adquisición del conocimiento
Análisis y modelado del conocimiento
Verificación del conocimiento
12
Ilustración 4 Etapas en el desarrollo de un Sistema Experto
Fuente: Castillo, E; Gutiérrez, J; Hadi, A. (1998). Sistemas Expertos y Modelos de Redes Probabilísticas. [Figura]. Recuperado de http://personales.unican.es/gutierjm/papers/BookCGH.pdf
Planteamiento del problema: La primera etapa en cualquier proyecto es normalmente la definición del problema a resolver. Puesto que el objetivo principal de un sistema experto es responder a preguntas y resolver problemas, esta etapa es quizás la más importante en el desarrollo de un sistema experto; si el sistema está mal definido, se espera que el sistema suministre respuestas erróneas.
Encontrar expertos humanos que puedan resolver el problema: En algunos casos, sin embargo, las bases de datos pueden jugar el papel del experto humano.
Estructuración de conocimiento y diseño de reglas: Esta etapa incluye el diseño de estructuras para almacenar el conocimiento, el motor de inferencia, el subsistema de explicación, la interface de usuario, etc.
Elección de la herramienta de desarrollo, concha, o lenguaje de programación: Debe decidirse si realizar un sistema experto a medida, o utilizar una concha, una herramienta, o un lenguaje de programación. Si existiera una concha satisfaciendo todos los requerimientos del diseño, esta debería ser la elección, no solo por razones de tipo financiero sino también por razones de fiabilidad. Las conchas y herramientas comerciales están sujetas a controles de calidad, a los que otros programas no lo están.
13
Refinamiento y generalización: En esta etapa se corrigen los fallos y se incluyen nuevas posibilidades no incorporadas en el diseño inicial.
Mantenimiento y puesta al día: En esta etapa el usuario plantea problemas o defectos del prototipo, corrige errores, actualiza el producto con nuevos avances, etc.
Características de un Sistema Experto
Para que un sistema computacional pueda ser denominado Sistema Experto, es necesario que posea las siguientes características básicas:
Alto desempeño: Igual respuesta como mínimo a la de un experto humano.
Tiempo de respuesta adecuado: Mejor a la que tardaría un experto humano.
Confiabilidad: No sea propenso a “caídas”.
Comprensible: Capaz de explicar los pasos o razonamientos seguidos.
Flexibilidad: Permita añadir, modificar y eliminar conocimiento.
Otros sistemas más elaborados pueden:
Enumerar todas las razones a favor y en contra de una hipótesis en particular. Una hipótesis también puede verse como un hecho cuya verdad está en duda y debe probarse.
Enumerar todas las hipótesis que puedan explicar la evidencia observada.
Explicar todas las consecuencias de una hipótesis.
Dar un pronóstico o predicción de lo que ocurrirá si la hipótesis es verdadera.
Justificar las preguntas que el programa hace al usuario para obtener más información.
Justificar el conocimiento del programa.
Componentes de un Sistema Experto
Tal como lo expone la teoría general de sistemas, todo sistema es aquel en el cual la suma total de sus partes funciona independientemente pero conjuntamente para lograr productos o resultados requeridos basándose en las necesidades; así mismo un sistema experto está compuesto por un conjunto de elementos; (Castillo, Gutiérrez, & Hadi, 1998):
1. Base de Conocimiento: Es la columna principal del Sistema Experto, puesto que allí está toda la información recopilada de los expertos, que permitirán al sistema desarrollar el proceso de toma de decisiones
2. Base de adquisición del conocimiento: Se recopilan los métodos por los cuales el ingeniero del conocimiento adoptara la información necesaria para la base de conocimiento.
3. Base de edición del conocimiento: Tal como se explicó anteriormente, un SE tiene que ser flexible ante el cambio (adición o eliminación de información), por lo tanto, el SE tiene que tener la capacidad de realizar cambios cuando fuese necesario.
14
5. Base de validación del conocimiento: El SE debe ser capaz de corroborar la veracidad de los datos, ya sean de entrada o de salida.
6. Base de explicación del conocimiento: El sistema debe proveer un desglose claro de los resultados arrojados, ya que está dando soluciones a problemas en los cuales el usuario no tiene la suficiente experticia.
Aplicaciones de los Sistemas Expertos
Gracias al desarrollo de los SE, situaciones de la vida cotidiana de las personas han podido suplir sus problemas a través de diversas alternativas de solución. Los siguientes escenarios presentan las mejoras percibidas con el uso de SE:
Transacciones Bancarias
No hace mucho, para hacer una transacción bancaria, tal como depositar o sacar dinero de una cuenta, era necesario visitar el banco en horas de oficina, hoy en día, estas y otras muchas transacciones pueden realizarse en cualquier momento del día usando los cajeros automáticos que son ejemplos sencillos de sistemas expertos. De hecho, se pueden realizar estas transacciones desde casa comunicándose con el sistema experto mediante la línea telefónica (Castillo, Gutiérrez, & Hadi, 1998).
Control de tráfico
El control de tráfico es una de las aplicaciones más importantes de los sistemas expertos. Anteriormente, el flujo de tráfico en las calles de una ciudad se controlaba mediante guardias de tráfico que controlaban las intersecciones, actualmente se utilizan sistemas expertos que operan automáticamente los semáforos y regulan el flujo del tráfico en las calles de una ciudad y en los ferrocarriles (Castillo, Gutiérrez, & Hadi, 1998).
Problemas de Planificación
Los sistemas expertos pueden utilizarse también para resolver problemas complicados de planificación de forma que se optimicen ciertos objetivos como: la organización y asignación de aulas para la realización de exámenes finales en una gran universidad, de forma tal que se logren los objetivos siguientes:
Eliminar las coincidencias de asignación simultánea de aulas: Solo se puede realizar un examen en cada aula al mismo tiempo.
Asientos suficientes: Un aula asignada para un examen debe tener al menos dos asientos por estudiante.
Minimizar los conflictos temporales: Minimizar el número de alumnos que tienen exámenes coincidentes.
Eliminar la sobrecarga de trabajo: Ningún alumno debe tener más de dos exámenes en un periodo de 24 horas.
15
Otros ejemplos de problemas de planificación que pueden ser resueltos mediante sistemas expertos son la planificación de doctores y enfermeras en un gran hospital, la planificación en una gran factoría, y la planificación de autobuses para las horas de congestión o de días festivos. (Castillo, Gutiérrez, & Hadi, 1998)
Diagnóstico médico
Una de las aplicaciones más importantes de los sistemas expertos tiene lugar en el campo médico, donde estos pueden ser utilizados para contestar a las siguientes preguntas (Castillo, Gutiérrez, & Hadi, 1998):
¿Cómo se puede recoger, organizar, almacenar, poner al día y recuperar la información médica (por ejemplo, registros de pacientes) de una forma eficiente y rápida?
¿Cómo se puede aprender de la experiencia? ¿Es decir, cómo se actualiza el conocimiento de los doctores en medicina cuando el número de pacientes que estos tratan aumenta?
Supuesto que un paciente presenta un conjunto de síntomas, ¿cómo se decide qué enfermedad es la que más probablemente tiene el paciente?
¿Cuáles son las relaciones entre un conjunto (normalmente no observable) de enfermedades y un conjunto (observable) de síntomas? En otras palabras, ¿qué modelos pueden utilizarse para describir las relaciones entre los síntomas y las enfermedades?
Dado que el conjunto de síntomas conocidos no es suficiente para diagnosticar la enfermedad con cierto grado de certeza, ¿Qué información adicional debe ser obtenida? por ejemplo, ¿qué síntomas adicionales deben ser identificados? o ¿Qué pruebas médicas deben realizarse?
¿Cuál es el valor de cada una de estas piezas de información? En otras palabras, ¿cuál es la contribución de cada uno de los síntomas adicionales o pruebas a la toma de decisión?
Sistemas basados en reglas
Este tipo de Sistemas Expertos son utilizados para la solución de problemas que están gobernadas por reglas deterministas; la base de conocimiento contiene el conjunto de reglas que definen el problema y el motor de inferencia saca las conclusiones aplicando la lógica clásica a estas reglas.
La base de conocimiento
16
Castillo, Gutiérrez, & Hadi definen una regla como “una afirmación lógica que relaciona dos o más objetos e incluye dos partes, la premisa y la conclusión. Cada una de estas partes consiste en una expresión lógica con una o más afirmaciones objeto-valor conectadas mediante los operadores lógicos y, o, o no”. A partir de esta definición se clasifican las reglas en dos categorías: simples y compuestas. Las reglas simples son aquellas que están compuestas solo una afirmación objeto-valor. A continuación se presenta el siguiente ejemplo de las reglas simples:
Ejemplo Regla Simple: Si nota > 9, entonces calificación = sobresaliente
Por otro lado una regla compuesta está conformada por múltiples afirmaciones objeto-valor, tal como se presenta en el siguiente ejemplo.
Ejemplo Regla Compuesta: Si puesto < 20 o nota > 7, entonces Admitir = si y Notificar=sí. El motor de inferencia
Las conclusiones pueden clasificarse de la misma manera que las reglas; simples y compuestas. Las conclusiones simples son las que resultan de una regla simple y las conclusiones compuestas son las que resultan de más de una regla. Para obtener estas conclusiones los expertos pueden utilizar diferentes tipos de reglas (Modus Ponens, Modus Tollens y Resolución) y estrategias de inferencia y control (encadenamiento de reglas, encadenamiento de reglas orientado a un objetivo y compilación de reglas) según lo requiera el Sistema Experto (Castillo, Gutiérrez, & Hadi, 1998):
Tipos de reglas
Modus Ponens
La regla de inferencia Modus Ponens es una de las que más se utiliza. Su objetivo es la obtención de conclusiones simples. En ella, se examina la premisa de la regla, y si es cierta, la conclusión pasa a formar parte del conocimiento. La regla Modus Ponens se mueve hacia adelante, es decir, de la premisa a la conclusión de una regla.
Ilustración 5 Regla de inferencia Modus Ponens
Fuente: Castillo, E; Gutiérrez, J; Hadi, A. (1998). Sistemas Expertos y Modelos de Redes Probabilísticas. [Figura]. Recuperado de http://personales.unican.es/gutierjm/papers/BookCGH.pdf
Modus Tollens
La regla de Inferencia Modus Tollens también es utilizada para obtener conclusiones simples. En ella se examina la conclusión, y si esta resulta ser falsa entonces también lo es su premisa. La regla
17
Ilustración 6 Regla Modus Tollens
Fuente: Castillo, E; Gutiérrez, J; Hadi, A. (1998). Sistemas Expertos y Modelos de Redes Probabilísticas. [Figura]. Recuperado de http://personales.unican.es/gutierjm/papers/BookCGH.pdf
Es importante aclarar que tanto las reglas Modus Ponens y la regla Modus Tollens no son contradictorias. Es más pueden llegar a ser complementarias.
Resolución
Para poder obtener conclusiones compuestas es necesario utilizar el mecanismo de resolución.
Esta regla de inferencia tiene las siguientes etapas:
1. Las reglas son sustituidas por expresiones lógicas equivalentes. 2. Estas expresiones lógicas se combinan en otra expresión lógica. 3. Esta última expresión se utiliza para obtener la conclusión.
Estrategias de Inferencia y Control
Encadenamiento de reglas
Es una de las estrategias más utilizadas para la obtención de conclusiones complejas. Esta estrategia puede utilizarse cuando las premisas de ciertas reglas coinciden con las conclusiones de otras. Cuando se encadenan las reglas, los hechos pueden utilizarse para dar lugar a nuevos hechos. Esto se repite sucesivamente hasta que no pueden obtenerse más conclusiones. El tiempo que consume este proceso hasta su terminación depende, por una parte, de los hechos conocidos, y, por otra, de las reglas que se activan (Castillo, Gutiérrez, & Hadi, 1998). Con el fin de poder desarrollar esta estrategia Castillo, Gutiérrez, & Hadi, plantean el siguiente algoritmo.
Datos: Una base de conocimiento (objetos y reglas) y algunos hechos iniciales.
Resultado: El conjunto de hechos derivados lógicamente de ellos.
1. Asignar a los objetos sus valores conocidos tales como los dan los hechos conocidos o la evidencia.
2. Ejecutar cada regla de la base de conocimiento y concluir nuevos hechos si es posible. 3. Repetir la Etapa 2 hasta que no puedan ser obtenidos nuevos hechos.
Encadenamiento de reglas orientado a un objetivo
18
nodo objetivo. Si no se obtiene ninguna conclusión con la información existente, entonces el algoritmo fuerza a preguntar al usuario en busca de nueva información sobre los elementos que son relevantes para obtener datos sobre el objetivo. A continuación se presenta el algoritmo para reglas orientadas a un objetivo.
Datos: Una base de conocimiento (objetos y reglas), algunos hechos iniciales, y un nodo o variable objetivo.
Resultado: El valor del nodo o variable objetivo.
Compilación de reglas
Esta es otra manera de tratar con reglas encadenadas. Consiste en comenzar con un conjunto de datos y tratar de alcanzar ciertos objetivos. Cuando ambos, datos y objetivos, se han determinado previamente, las reglas pueden ser compiladas, es decir, pueden escribirse los objetivos en función de los datos para obtener las llamadas ecuaciones objetivo.
2.3
Problemática
De acuerdo con diferentes estudios de carácter nacional e internacional las Pequeñas y Medianas Empresas son un segmento relevante de la realidad empresarial mundial, el crecimiento e incremento de su productividad no sólo es pertinente sino crucial en la creación del empleo, el desarrollo de una determinada región y fortalecimiento de su economía (Dini, Stumpo y Vergara, 2005). Sin embargo, en Colombia existe una evidente deficiencia en el sector PYME, dificultades comunes e independientes del contexto en que se desarrollan, con la internacionalización de la economía, los tratados de libre comercio, bloques económicos de desarrollo, entre otros, la situación se ha modificado para los pequeños y medianos negocios, que hasta entonces no sentían la necesidad de modernizar y adecuar sus estructuras (Segaro, 2010) pero ahora requieren aumentar su capacidad utilizando diversas estrategias con el objetivo de conseguir un desarrollo sostenible para el bienestar no solo del mercado sino también del país.
Según mediciones internacionales de competitividad, Colombia tiene muchas oportunidades para mejorar, algunos indicadores lo colocan en una media, el Índice de Competitividad Global en el año 2009 posiciona al país en el puesto 69 entre 134 países; el Índice de Competitividad del Institute for Management Development en el puesto 51 entre 55 países y el Índice de Doing Business del Banco Mundial en la posición 37 para el 2010 entre 183 países. (Montoya R., Montoya R., & Castellanos, 2010).
19
Adicionalmente, aunque a nivel sectorial se hacen algunos diagnósticos, estos no se practican para cada una de las empresas de manera aislada, mucho menos se presentan recomendaciones de mejora particulares, dificultando la identificación de fortalezas, debilidades y aspectos a mejorar para elevar sus niveles de productividad y competitividad; además de disminuir las brechas de pobreza y desigualdad frente a países desarrollados, y en especial el afianzamiento de las PYMES (Erixon, 2009).
3.
DESARROLLO DEL SISTEMA EXPERTO PARA EL ÁREA
FUNCIONAL DE I+D
3.1
Definición de problemas
Los procesos de investigación científica, innovación y desarrollo tecnológico, no se dan de manera espontánea en las organizaciones y mucho menos en pequeñas y medianas empresas (PYMES) las cuales se enfrentan a una diversidad de dificultades en el desarrollo de sus procesos en un mercado tan cambiante como lo es el mercado colombiano; por ello, para poder realizar una clara identificación de las problemáticas a las que se enfrentan las PYMES en el área funcional de Investigación y Desarrollo (I+D), se hace necesario reconocer cuales son los diferentes motivos o causas que lo generan, que no siempre son percibidos de una manera clara, sin embargo es posible detectarlos a través de síntomas comunes o situaciones del día a día en la empresa.
Para generar esta identificación, se realizó una revisión de expertos o consulta bibliográfica que permitió reconocer los elementos que se consideran constitutivos de esta área funcional, para tal fin los elementos identificados en cada una de las revisiones fueron destacados y documentados en el Anexo 1 (Base de conocimiento)donde se destacan las problemáticas comunes en las PYMES según el experto y sus soluciones planteadas.
Adicionalmente con la información recolectada de la revisión de expertos, se evidencia la relación entre los aspectos de la PYME y la capacidad de desarrollo de actividades de I+D, identificando la relación entre las causas y las variables generadas por la buena o mala gestión de estas, con la cual se desarrolla un diagrama de causa-efecto o espina de pescado (Ilustración 7) que permite representar esta información.
20
Ilustración 7 Diagrama causa-efecto
Fuente: Elaboración propia adaptada de Méndez & Álvarez (2003).
Causas
Se entiende por causa el fundamento o comienzo de una situación, para este estudio en particular se analiza como las fuentes que originan las enfermedades identificadas en el área de I+D; estos motivos por los que en la PYME no se desarrollan actividades de I+D cubren un amplio rango de opciones, es por ello que se tienen en cuenta aspectos tales como el perfil de la gerencia, la preparación y experiencia de los directivos, las limitaciones financieras, la capacidad de inversión, la capacidad tecnológica, la cultura empresarial, la resistencia al cambio por parte de los directivos y/o empleados, las alianzas y acuerdos de cooperación, las oportunidades tecnológicas y diferentes aspectos externos que afectan a las empresas. Esta variedad de situaciones al combinarse aleatoriamente generan dificultades mayores (Enfermedades) a las cuales la PYME deberá responder oportunamente y siendo necesario realizar una correcta identificación de estos diferentes aspectos.
El entorno es un elemento clave en el éxito o declive las empresas, su análisis y definición se consideran complejo dado su constante cambio, por ello las organizaciones deben adaptarse a las condiciones que van emergiendo y evolucionando tales como tecnología, regulaciones, competencias, tendencias; por lo cual el desarrollo de actividades de I+D permitirán a la PYME responder acertadamente y permitir un crecimiento de la empresa.
Síntomas
El síntoma es una señal que aparece en respuesta a una enfermedad, es un indicio que pone de manifiesto la existencia de una alteración; de esta manera el intercambio de información de la
21
PYME con el analista a través del cuestionario permite identificar aspectos y características que evidencia las dificultades y problemáticas que atraviesa la PYME.
El análisis de síntomas permite realizar una correcta identificación de la causa o causas que generan una enfermedad, como ejemplo una situación común en las PYMES es la limitación financiera para proyectos de I+D sin embargo para evitar caer en conclusiones apresuradas, se deben revisar aspectos primordiales como lo es saber si se destinan o no los recursos necesarios para el desarrollo de actividades de I+D, si se cuenta con una infraestructura adecuada o simplemente si en la actualidad se realizan este tipo de actividades.
Signos
Con el fin de evitar generar un diagnóstico incorrecto y dejar de lado la subjetividad que puede originarse en la identificación de los síntomas, se desarrolla un análisis de datos procedente de la información objetiva que se solicita al usuario contenida en indicadores medibles que permitan confirmar la enfermedad.
Continuando con el mismo ejemplo del ítem anterior, para poder realizar una validación de los recursos financieros de la empresa destinados al desarrollo de actividades de I+D, se genera una comparación entre el presupuesto disponible y el presupuesto destinado al desarrollo de este tipo de actividades, como aspecto general también es posible analizar si existe un departamento en la empresa enfocado a I+D.
Tratamiento
Para poder responder a estas dificultades es posible recomendar diferentes alternativas o tratamientos los cuales permitirán a la PYME mejorar el proceso de toma de decisiones. Basados en el análisis de expertos se identifican los tratamientos para cada posible enfermedad, esperando que la empresa pueda desarrollar una o más del conjunto de recomendaciones, acciones o tareas buscando erradicar parcial o definitivamente la enfermedad que lo aqueja, esto con el objetivo de eliminar las causas o de revertir y disminuir el impacto de la enfermedad.
Como ejemplo, si se confirma que se presenta carencia de recursos destinados a la investigación y el desarrollo tecnológico se recomienda participar en vínculos formales con universidades y/o centros de I+D nacionales o internacionales, implementar sistemas simples que no necesiten expertos ni gran inversión, buscar financiamiento externo o participar en proyectos colaborativos para el desarrollo de nuevos productos permitiendo distribuir entre las partes los costes y riesgos de tal actividad.
22 Código
Enfermedad
Descripción detallada de la
enfermedad
Descripción abreviada
Causas de la
enfermedad Síntomas Signos Diagnóstico Tratamiento
6 I+D
No se cuenta con recursos que propicien un ambiente para el desarrollo de proyectos de I+D en la empresa, limitando la adquisición de nuevas tecnologías, de personal disponible, entre otros factores fundamentales. Carencia de recursos destinados a la Investigación y el desarrollo tecnológico *Limitaciones financieras. *Baja capacidad de inversión. *Falta de infraestructura adecuada. *No se realizan actividades de I+D. *No se destinan recursos a I+D.
*Presupuesto destinados a I+D. *Disponer de departamento de I+D. Limitaciones financieras para I+D.
*La colaboración en el desarrollo de nuevos productos permite distribuir entre las partes los costes y riesgos de tal actividad. *Implementación de sistemas simples que no necesiten
expertos ni gran inversión. *Financiamiento externo para proyectos de I+D+i. *Vínculos formales con universidades y/o centros de I+D nacionales o internacionales
Tabla 1 Definición de la enfermedad limitaciones financieras para I+D.
3.2
Diseño de cuestionarios
Con el análisis de la información recolectada a través de la revisión de expertos, se procede a desarrollar un cuestionario que permita generar un intercambio de información entre el analista y la PYME, con preguntas directas e indirectas para cada posible síntoma con el fin de obtener información o poder confirmarla.
Preguntas
Para poder realizar una identificación de las causas y por ende de las enfermedades que sufre la PYME en el área de I+D, se realiza un listado de preguntas para cada uno de las posibles síntomas a los que se enfrentaría la empresa.
23
Enfermedad Síntomas de la enfermedad Pregunta
Limitaciones financieras
para I+D
Falta de infraestructura adecuada.
¿Se dispone de un departamento de I+D?
En la realización de actividades o proyectos de I+D, ¿Se cuenta con una infraestructura suficiente y adecuada?
No se realizan actividades de I+D.
¿Se realizan actividades de I+D en la empresa?
¿Con cuántos proyectos de I+D se cuenta en la empresa?
No se destinan recursos a I+D.
¿Invertir en I+D es importante para las empresas?
En promedio, ¿Cuánto presupuesto se destina para la realización de proyectos de I+D?
¿Se ha limitado la compra de maquinaria para el desarrollo de proyectos de I+D por falta de recursos?
¿Se ha limitado la contratación de personal para I+D por falta de recursos?
Tabla 2 Definición de las preguntas para los síntomas de las limitaciones financieras para I+D.
Variables y/o parámetros
Se continúa con la identificación de las posibles variables y/o parámetros que permitan realizar confirmación de cada uno de los síntomas identificados, de manera tal que sea posible disminuir la subjetividad de la empresa y realizar una comparación con datos estadísticos promedios conocidos.
Entre las variables identificadas para el análisis de los síntomas relacionados con la enfermedad “Limitaciones financieras para I+D”, es posible realizar un análisis basado en el número de proyectos enfocados a I+D que se desarrollen actualmente en la empresa y una comparación entre el presupuesto anual de gastos y el presupuesto invertido en I+D.
24
Relación de enfermedades con preguntas y con variables y/o parámetros análisis de consistencia
Un conjunto de reglas se denomina coherente si existe, al menos, un conjunto de valores de todos los objetos que producen conclusiones no contradictorias.
En consecuencia, un conjunto coherente de reglas no tiene por qué producir conclusiones no contradictorias para todos los posibles conjuntos de valores de los objetos. Es decir, es suficiente que exista un conjunto de valores que conduzcan a conclusiones no contradictorias.
Para cada enfermedad se realizó un detenido análisis y se determinaron los síntomas, para confirmarlos se asociaron una serie de preguntas, organizadas por ramificaciones de tal manera que al realizar el cuestionario, se sigue un estructura secuencial a través de preguntas cerradas de tipo SI y NO las cuales unas no cuentan con un parámetro asociado y otras que permiten realizar una validación a través de la comparación del parámetro con un rango preestablecido en el programa; que permite al usuario seguir un hilo conductor, sobre las respuestas de una o varias expresiones para poder continuar el proceso de inferencia hasta que se obtenga una conclusión. En la ilustración 8 es posible observar como para la enfermedad “Limitaciones financieras para I+D” en un primer lugar se pregunta al usuario; si “¿Se dispone de un departamento de I+D?”, en caso que la respuesta sea positiva se procede a realizar la siguiente pregunta relacionada, “¿Se realizan actividades de I+D en la empresa?”, y así hasta llegar a una de las conclusiones; en caso contrario el motor de inferencia no realizará la segunda pregunta mencionada anteriormente, ya que por el contrario generará una nueva pregunta relacionada a la respuesta obtenida “¿Invertir en I+D es importante para las empresas?”.
En la siguiente tabla es posible evidenciar como se realiza una mezcla de las dos opciones de pregunta nombradas anteriormente para la enfermedad “Limitaciones financieras para I+D”.
Enfermedad Síntomas de la
Enfermedad Pregunta Variables Asociadas Parámetros asociados
Limitaciones financieras
para I+D
Falta de infraestructura adecuada.
¿Se dispone de un departamento de
I+D? En la realización de actividades o
proyectos de I+D, ¿Se cuenta con una infraestructura suficiente y adecuada?
No se realizan actividades de I+D.
¿Se realizan actividades de I+D en la
empresa? ¿Con cuántos proyectos de I+D se
cuenta en la empresa?
*Número de proyectos enfocados a I+D
Proyectos enfocados I+D > 2 : Demasiados No se destinan
recursos a I+D.
¿Invertir en I+D es importante para
25 Limitaciones
financieras para I+D
No se destinan recursos a I+D.
En promedio, ¿Cuánto presupuesto se destina para la realización de proyectos de I+D?
*Presupuesto anual de gastos.
*Presupuesto invertido en I+D.
Gasto promedio I+D: *Bajo < 5%
*Alto >= 5% ¿Se ha limitado la compra de
maquinaria para el desarrollo de proyectos de I+D por falta de recursos?
¿Se ha limitado la contratación de
personal para I+D por falta de recursos?
Tabla 3 Información de la enfermedad limitaciones financieras para I+D.
Así mismo se incluye un diccionario en el cual se incorporan los términos que el usuario requiere para diligenciar el cuestionario de manera correcta, como ejemplo algunos de los términos que son necesarios tener claros para comprender el diagnóstico del área funcional de I+D son:
Procesos de cambio: Abarca todas las actividades dirigidas a ayudar a la organización para que adopte exitosamente nuevas actitudes, nuevas tecnologías y nuevas formas de hacer negocios.
Resistencia al cambio: Disposición que obstaculiza los procesos de aprendizaje vinculados a nuevos modos de pensar y hacer las cosas.
Gestión del conocimiento: Identificación y aprovechamiento del conocimiento colectivo en la organización para ayudarla a competir, en el marco de procesos básicos de creación, almacenamiento y recuperación, transferencia y aplicación del conocimiento.
Cooperación: Acuerdo entre dos o más empresas independientes, que uniendo o compartiendo parte de sus capacidades y/o recursos, sin llegar a fusionarse, instauran un cierto grado de interrelación con objeto de incrementar sus ventajas competitivas.
Alianza: Acuerdo, convenio o pacto entre dos o más empresas, hecha a fin de avanzar objetivos comunes y asegurar intereses en común.
TIC: Tecnologías de información y comunicación; son el conjunto de tecnologías desarrolladas para gestionar la información.
3.3
Diseño de reglas
Los sistemas basados en reglas trabajan mediante la aplicación de reglas, comparación de resultados y aplicación de las nuevas reglas basadas en situación modificada. (Badaró, Javier Ibáñez, & Agüero, 2013). El siguiente paso en el desarrollo del prototipo de sistema de experto es la organización de las reglas de tipo “si… entonces” que permitan generar una integración en función de la relación entre las causas identificadas para cada enfermedad.
26 Las condiciones de estado
Se realiza un análisis para determinar la criticidad de cada enfermedad, para ello se comprueba la existencia de cada una de las causas las cuales su presencia se clasificarán en “muy probable”, “probable”, “poco probable”; adicionalmente se establecerá un puntaje para cada probabilidad, que permita generar de manera cuantitativa la clasificación del estado de criticidad de la enfermedad:
Clasificación Puntuación
Muy probable 5
Probable 3
Poco probable 1
Tabla 4 Puntuación de la clasificación de las causas
Con el fin de realizar un correcto diagnóstico se establecen cuatro estados para describir la condición o fase en la cual se encuentra la enfermedad, cada uno asociado a un intervalo de calificación del valor promedio obtenido de las causas probables.
Clasificación Intervalo Alta criticidad [4,5] Mediana criticidad [3,4) Baja criticidad [2,3)
No sufre [1,2)
Tabla 5 Intervalo de la criticidad de las enfermedades
Alta criticidad: Indica la presencia de todas o la mayoría de las causas en estado “muy probable” o “probable”, en consecuencia podemos afirmar que existe una alta probabilidad que la PYME padezca la enfermedad.
Mediana criticidad: Indica la presencia de todas o la mayoría de las causas en estado “muy probable” o “probable” y tan solo unas pocas en estado “poco probable”.
Baja criticidad: Es el estado el cual indica la presencia de la enfermedad en su menor gravedad, las causas se encontrarían en “probable” y “poco probable”.
No sufre: Por ultimo este estado indica que la PYME no padece esta enfermedad al no presenciar las causas relacionadas.
Esto permitirá establecer prioridades que den al usuario un enfoque jerarquizado de los riesgos de las diferentes enfermedades.
Relación de estado con enfermedades, variables y/o parámetros
27
Como ejemplo para la enfermedad “Limitaciones financieras para I+D” es posible confirmar si se sufre de las siguientes causas: Falta de infraestructura adecuada, No se realizan actividades de I+D, No se destinan recursos a I+D, en caso de evidenciarse que se presentan todas o dos de las causas en estado “poco probable” el diagnóstico revelará una baja criticidad, sin embargo si se confirma que todas las causas se encuentra en estado “muy probable”, se certificará un grado de criticidad alto.
Adicionalmente para poder establecer los estados de criticidad de cada una de las enfermedades se realiza un análisis de consistencia con cada variable y/o parámetro, estableciendo rangos conformes a las necesidades de la PYME de manera tal que sea posible realizar comparaciones y se pueda definir un diagnóstico acorde. A continuación se enlista con más detalle algunas de las variables y los parámetros asociados al área funcional de I+D, en el Anexo 3 se encuentra la información relacionada para cada una de las enfermedades identificadas.
Variables Asociadas Parámetros asociados
*Número de objetivos enfocados a I+D Objetivos enfocados I+D > 1 : Aceptable *Número de proyectos enfocados a
I+D Proyectos enfocados I+D > 2 : Demasiados *Presupuesto anual de gastos.
*Presupuesto invertido en I+D.
Gasto promedio I+D: *Bajo < 5%
*Alto >= 5% *Tiempo de retraso en la finalización
de los proyectos de I+D
Tiempo de retraso: Bajo <= 10% Alto > 10% *Personal especializado en I+D
Personal especializado en I+D : *Bajo = 1
*Alto => 2 *Niveles de rotación del personal
Rotación del personal: *Baja < 5%
*Alta >= 5% *Presupuesto anual de gastos.
*Presupuesto invertido en gestión de la innovación.
Gasto promedio gestión innovación: *Bajo < 5%
*Alto >= 5% *Ventas internacionales.
*Ventas totales.
Porcentaje de internacionalización: *Baja < 12%.
*Media 12% <= X <=25 *Alta > 25%.
Tabla 6 Variables y parámetros asociados al área funcional de I+D Fuente autor
Diagrama del Sistema Experto utilizando la representación de árbol
28
en el Anexo 4. (Diagramas de árbol)se encuentran los árboles para cada una de las enfermedades identificadas en el área funcional de I+D.
Ilustración 8 Diagrama de árbol "Limitaciones financieras para I+D"
Definir las reglas: Antecedentes, Conectores y Consecuencias
Se definen las reglas asociadas para la transición de los nodos en el proceso de búsqueda, Se determinan:
Condiciones o proposiciones antecedentes: la condición “SI” es una de las más populares en el lenguaje de la programación ya que permite realizar comparaciones lógicas entre un valor y un resultado esperado.
Conectores de proposiciones antecedentes: Una vez definida la proposición antecedente
se procede a determinar el conector ”ENTONCES” su función es enlazar la condición con la consecuencia
Condición de consecuencia o patrón: es la instrucción o resultado dependiendo si la comparación es verdadera o falsa.
ANTECENDENTE CONECTOR CONSECUENCIA
Si (Pregunta=x) Entonces Respuesta=verdadero
Tabla 7 Definición de reglas
